SongPanda 2.1
面向中文古籍刻本理解的视觉语言模型，基于 PaddleOCR-VL-1.6 全参微调得到。
相较于通用 OCR 模型，SongPanda 在识别正文的同时能够：
- 🎯 自动去除版心无关字段
- 🎯 以
【】 标签还原双行小字夹注的阅读顺序
- 🎯 以
\n、\f 标识列末换列、换半页
效果对比
面对一张带版心、双行小字夹注的清刻本书影：
| 通用视觉大模型 | SongPanda |
|---|
| 版心 | ❌ 误识为正文 | ✅ 自动去除 |
| 双行小字夹注 | ❌ 无法区分阅读顺序 | ✅ 【】 还原顺序 |
| 眉批 | ❌ 混入正文 | ✅ <head> 标注 |
模型信息
- 基座模型：PaddleOCR-VL-1.6
- 微调方式：全参微调 (epoch=3)
- 训练数据：SongPanda-Dataset（约 4.2w 张合成古籍图像）
- 评估得分：
- SongPanda-Bench (356 张真实古籍)：NED 0.898 / NER-F1 0.617 / 总得分 84.19
- vs 基座：提升 +15.01 分（基座 69.18）
- 推理建议：repetition_penalty=1.05
🔗 相关链接
